data residual normal, maka garis yang akan menggambarkan data sesungguhnya akan mengikuti garis diagonalnya. Uji normalitas dengan
melihat normal probability plot dapat dilihat pada gambar berikut :
Sumber : Hasil Olahan SPSS 16.00, 2014
Gambar 4.4 Normal P-P Plot of Regression Standardized Residual
Gambar 4.4 ini merupakan kurva P-Plot yang menunjukkan penyebaran titik-titik data disekitar garis diagonal dan mengikuti arah
garis diagonal. Hal ini berarti data pada variabel yang digunakan, yaitu variabel harga saham berdistribusi normal.
4.2.2.2 Uji Multikolinearitas
Menurut Ghozali 2005, pengujian ini dapat dilihat melalui nilai tolerance dan Variance Inflation Factor VIF. Apabila nilai VIF
5 dan nilai tolerance 0,1 maka terjadi multikolinearitas dan apabila nilai VIF 5 dan nilai tolerance 0,1 maka tidak terjadi
Universitas Sumatera Utara
multikolinearitas. Hasil uji multikolinearitas dapat dilihat pada tabel berikut :
Tabel 4.5
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. Collinearity
Statistics B
Std. Error Beta
Tolerance VIF
1 Constant
3.215 .859
3.744 .001
ROE -.006
.010 -.100
-.611 .544
.240 4.159
NPM .125
.045 .462
2.804 .008
.236 4.230
DER -.343
.403 -.086
-.852 .399
.625 1.599
LNROA .767
.518 .261
1.481 .146
.207 4.839
LNEPS .388
.165 .338
2.349 .024
.311 3.213
a. Dependent Variable: LNHS
Sumber : Hasil olahan SPSS 16.00, 2014 Berdasarkan tabel 4.5 nilai tolerance dan VIF dari variabel ROE
adalah sebesar 0,240 dan 4,159. Untuk variabel NPM adalah sebesar 0,236 dan 4,230. Variabel DER adalah sebesar 0,625 dan 1,599.
Variabel ROA adalah sebesar 0,207 dan 4,839. Variabel EPS adalah sebesar 0,311 dan 3,213 Oleh karena itu, dapat disimpulkan dalam
model ini tidak terdapat masalah multikolinearitas antara variabel bebas karena nilai tolerance berada di bawah 1 dan nilai VIF jauh di bawah
angka 5.
4.2.2.3 Uji Autokorelasi
Uji ini bertujuan untuk menguji apakah dalam model regresi linear ada korelasi antara kesalahan pengganggu pada periode t dengan
Universitas Sumatera Utara
kesalahan pengganggu pada periode t-1 periode sebelumnya. Untuk mendeteksi ada tidaknya autokorelasi maka dilakukan pengujian
Durbin Watson DW dengan ketentuan sebagai berikut : a. Angka D-W pada output Model Summary di bawah -2 berarti ada
autokorelasi positif. b. Angka D-W pada output Model Summary di antara -2 sampai +2
berarti tidak ada autokorelasi. c. Angka D-W pada output Model Summary di atas +2 berarti ada
autokorelasi negatif.
Tabel 4.6
Model Summary
b
Model R
R Square Adjusted R
Square Std. Error of the
Estimate Durbin-Watson
1 .854
a
.730 .698
1.20655 1.902
a. Predictors: Constant, LNEPS, DER, NPM, ROE, LNROA b. Dependent Variable: LNHS
Sumber : Hasil olahan SPSS 16.00, 2014 Berdasarkan tabel 4.6 menunjukkan bahwa nilai Durbin Watson
DW sebesar 1,902. Oleh karena nilai D_W di antara -2 1,902 +2. Jadi dapat disimpulkan bahwa tidak ada terjadi autokorelasi pada model
regresi yang digunakan dalam penelitian ini.
4.2.2.4 Uji Heteroskedastisitas
